人脸识别流程

第一步：编码——将人脸表示为128为的向量

def face_encodings(face_image,known_face_locations=None,num_jitters=1)
     """
     return：128维人脸编码向量
     param face_image:包含人脸图像
     param known_face_locations:是否已知人脸位置
     param num_jitters:计算编码时，重新采样的次数
     """
     raw_landmarks=_raw_face_landmarks(face_image,known_face_locations,model="small")
     return [np.array(face_encoder.compute_face_descriptor(face_image,raw_landmark_set,numjitters)) for  raw_landmark_set in raw_landmarks]

1.1 初始人脸标记

def _raw_face_landmarks(face_image, face_locations=None, model="large"):
        """
        return: 
        face_locations: 人脸位置是否已知
        model: 两种模式，5特征点(small)和68特征点(large)
        """        
        if face_locations is None:
            face_locations=_raw_face_locations(face_image)
        else:
            face_locations=[_css_to_rect(face_locations) for face_location in face_locations]
        pose_predictor=pose_predictor_68_point
        if model=="small"
            pose_predictor=pose_predictor_5_point
        return [pose_predictor(face_image,face_locations) for face_location in face_locations]

有5特征点和68特征点人脸标记模型——训练特征点模型，提取能够区分不同舰船的重要特征点。

predictor_68_point_model=face_recognition_models.pose_predictor_model_location()

pose_predictor_68_point = dlib.shape_predictor(predictor_68_point_model)

"""
来自官方文档
dlib.shape_predictor():输出一组定义对象姿态的点位置。这方面的经典例子是人脸姿势预测，即以人脸图像作为输入，并期望识别重要的面部标志点的位置，如嘴角、眼角、鼻尖等。
"""


from pkg_resources import resource_filename

def pose_predictor_model_location():
      return resource_filename(_name_,"models/shape_predictor_68_face_landmarks.dat")

def _css_to_rect(css):
      """
      param css: 矩形的纯元组表示(上、右、下、左)
      """
      return dlib.rectangle(css[3],css[0],css[1],css[2])

1.2 自主训练人脸特征点检测器

 

第二步：图像匹配

def compare_faces(known_face_encodings, face_encoding_to_check,tolerance=0.6)
       """
       param known_face_encodings: 一列已知人脸的编码
       param face_encoding_to_check: 需要比对的人脸编码
       param tolerance: 两张脸之间距离多远时认为两张脸是同一人的
       """
       return list(face_distance(known_face_encodings, face_encoding_to_check)<=tolerance)

定义两张脸之间的距离face_distance(face_encodings, face_to_compare):多维欧氏距离；